Rappel Calabi les proanits

a) 4) ( to %) +
(4) to i
-

%)

ñ= =p ,
4
:
2
-

a)
'

6
= A

b) (f) a 2 -
D +

(9) Go 7) =
A

A) 2 il caste
rg( Cpbesiars )
£ var we
,

decomposition de
longueur 2 .

les tigres la colon

right > 1 : car - s
)
de A ne sont
pas proper
travels
deux - é -
dele .

De maniñe
éqnirubute ,
ni les
matrices colonies ele us
decamp .

he
and
pnpohovelles ,
ni

les matrices tigres de as

decamp .

we sort
proportion-16s .

rg(
=D A) = 2 .
Interprétation d’une décomposition colonne-ligne de longueur
minimale
Une telle décomposition contient toutes les informations importantes
de la matrice considérée. les colonies 1 et 2 de A
Exemple. base de l image
ferment
'
me
0 1
matric E. 12
1 2 1
A = @3 0 7 A
car les
pints de so
.

Sad clans or colonies .

4 2 6
0 1 0 1
1
(1) KIKI
2
= @3A 1 0 7/3 + @0A 0 1 5/3
+ %) (E)
4 2
0 1 0 1

(f) (9)
1 0
= 0@ A 1 2an 1 + 1A 3 +0 7
@ Is o
-

c) 7)
1 1
Les matrices colonnes fournissent une base de Im(A), et les matrices
lignes donnent les équations définissant Ker(A). En effet, nous rap-
pellerons plus tard comment échelonner et réduite une matrice, mais
anticipons quelque peu.
713

)
←

(
0 01
1 0 7/3 pivots
§ →§
.

←
A ⇠ · · · ⇠ @0 1 5/3A
0 0 0
Crisp -131

1.5 Déterminant
On appelle déterminant d’une matrice A carrée de taille 2 ou 3 le
nombre réel :
✓ ◆

☒
↵1,1 ↵1,2 ↵ ↵
det = 1,1 1,2 = ↵hi ihrir
1,1 ↵ 2,2 £2,141,2
↵1,2 ↵2,1 -

↵2,1 ↵2,2 ↵2,1 ↵2,2 ,

✓ ◆ a1,1 ↵1,2 ↵1,3

⇥ ⇤
det ↵i,j 1i3 = ↵2,1 ↵2,2 ↵2,3 = · · ·
1j3
↵3,1 ↵3,2 ↵3,3
= ↵1,1 ↵2,2 ↵3,3 + ↵1,2 ↵2,3 ↵3,1 + ↵1,3 ↵2,1 ↵3,2
✗ 1,1hr pts
↵3,1 ↵2,2
it
, ↵1,3
4,242,323,1 + hi
Haith
↵3,2 ↵2,3 ↵1,1 ↵3,3 ↵2,1 ↵,1,2

Règle de Sarrus (mnémotechnique)

"
↵1,1 ↵1,2 ↵1,3 ↵1,1 ↵1,2 ↵1,1 ↵1,2 ↵1,3 ↵1,1 ↵1,2 ↵1,3
↵2,1 ↵2,2 ↵2,3 ↵2,1 ↵2,2 ↵2,1 ↵2,2 ↵2,3 ↵2,1 ↵2,2 ↵2,3
↵3,1 ↵3,2 ↵3,3 ↵3,1 ↵3,2 ↵3,1 ↵3,2 ↵3,3 ↵3,1 ↵3,2 ↵3,3

i. 8
Remarque. La règle de Sarrus ne fonctionne que pour les matrices 3⇥3 !
Exemple.
1 0 0 1
det(I2 ) =
0 1
I
= 1,
1 0
= 1.o o 1. I- -
= -
I

1 3
det(A) = = 1 ·d.
( 2) 2 15 = -17
C- 2)5 · 3 = 5.3 -

17, =

5 2
1 3
det(B) = 6 6( 2) · ( (-21^1-3)
= 1 ·1. 3) = 6 6 = 0.6-6--0
- =

2 6
1 0 0 a b c
det(I3 ) = 0 1 0 = 1
0 0 1
1.
0 0 f
a. d.
det(T ) = 0 d e = adf. f. + o -
o

On peut organiser le calcul de det(A) en développant par rapport à une

colonne ou une ligne :

""

9=-14--101--75
↵1,1 ↵1,2 ↵1,3 ↵1,1 ↵1,2 ↵1,3 ↵1,1 ↵1,2 ↵1,3
↵2,1 ↵2,2 ↵2,3 ↵2,1 ↵2,2 ↵2,3 ↵2,1 ↵2,2 ↵2,3 (dév/C1 )
↵3,1 ↵3,2 ↵3,3 ↵3,1 ↵3,2 ↵3,3 ↵3,1 ↵3,2 ↵3,3

-090¥
↵1,1 ↵1,2 ↵1,3
↵ ↵ ↵1,2 ↵1,3 ↵ ↵
↵2,1 ↵2,2 ↵2,3 = ↵1,1 2,2 2,3 ↵2,1 +↵3,1 1,2 1,3
↵3,2 ↵3,3 ↵3,2 ↵3,3 ↵2,2 ↵2,3
↵3,1 ↵3,2 ↵3,3
= ↵1,1 (↵2,2 ↵3,3 ↵3,2 ↵2,3 ) ↵2,1 (↵1,2 ↵3,3 ↵3,2 ↵1,3 )

÷
+ ↵3,1 (↵1,2 ↵2,3 ↵2,2 ↵1,3 )
Remarque. Attention à l’alternance des signes, qui se fait selon les
tableaux
0 1
✓ ◆ + +
+ @ + A
+
+ +

G- &
↵1,1 ↵1,2 ↵1,3 ↵1,1 ↵1,2 ↵1,3 ↵1,1 ↵1,2 ↵1,3

4-
↵2,1 ↵2,2 ↵2,3
↵3,1 ↵3,2 ↵3,3
- ↵2,1 ↵2,2 ↵2,3
↵3,1 ↵3,2 ↵3,3
-
↵2,1 ↵2,2 ↵2,3
↵3,1 ↵3,2 ↵3,3
(dév/L2 )
caw

/
✗

222ft%
↵1,1 ↵1,2 ↵1,3
↵1,2 ✗↵1,3 ✗ 3 ↵1,1 ↵1,3
/ / ↵1,1 "↵31,2
"
" 2 '
↵2,1 ↵2,2 ↵2,3 = ha↵, 3,2 ↵3,3 + ↵2,2 ↵3,1
↵2,1 +↵ ↵2,3
£3,3
↵3,1 ↵3,2
-

↵3,1 ↵3,2 ↵3,3

,

432 £33
3,3
,

= ↵2,1 (↵1,2 ↵3,3 ↵3,2 ↵1,3 ) + ↵2,2 (↵1,1 ↵1,3 ↵3,1 ↵1,3 )

-4¥ !÷l 9
.
↵2,3 (↵1,1 ↵3,2 ↵3,1 ↵1,2 )
 dellaB) =ddlA1dleKB) delft B) =/
+ detltltdekts)
Question. Comment se comporte le déterminant avec l’addition matri-
ciel, avec le produit matriciel, et avec la transposition ? Existe-t-il un
lien entre le rang d’une matrice et son déterminant ?

1.6 Propriétés du déterminant

dental =at(A)
Le calcul de det(A) satisfait les propriétés suivantes.
• (AS) ) Antisymetielalternana
(AsAntisymétrie (alternance) : ) Lorsqu’on échange entre
elles 2 colonnes (ou 2 lignes), le déterminant change simplement
de signe. Si, alors

0000
a1,3 ↵1,2 ↵1,1 a1,1 ↵1,2 ↵1,3
↵2,3 ↵2,2 ↵2,1 = ↵2,1 ↵2,2 ↵2,3 (C1 $ C3 )
↵3,3 ↵3,2 ↵3,1 ↵3,1 ↵3,2 ↵3,3
Exemple.
as

-11%91=-1 -11¥ :# titi

0 1 0 1 0 0 0 0 1 0 1 0
'
1 0 0 = 0 1 0 = 1, 1 0 0 = 1 0 0 = 1.
0 0 1 0 0 1 0 1 0 0 0 1,
(EX) Extraction
• (EX) factor: si le même facteur apparaît sur
'
Extraction dd’un facteur
un

une ligne ou une colonne, il peut être sorti.

1100
% :|
a1,1 ↵1,2 ↵1,3 a1,1 ↵1,2 ↵1,3
c-
↵2,1 ↵2,2 ↵2,3 =
=
↵2,1 ↵2,2 ↵2,3
↵3,1 ↵3,2 ↵3,3 ↵3,1 ↵3,2 ↵3,3
Remarque. (EX) ne dit pas que det( A) = det(A). On a en
fait : ( that CAI sited 2×2

{
det(A), si A est 2 ⇥ 2,
2
det( A) = 3t3def(A) si A est 3×3
det(A), si A est 3 ⇥ 3.
Exemple.

O a
c
b
d
= H c:a d
b
= 1--1.11%1=14 : :/
2 a b
c d
.

(SD)Addition
• (AD) Addition d’undlmmulk.pk sealane
multiple scalaire : Lorsqu’on ajoute à une
colonne (ou une ligne) un multiple scalaire d’une autre colonne
(ou ligne), le déterminant est inchangé.
a1 + b 1 b 1
b2 + b)bz
= (a( 1ditty 1 b2 ) (a2 bCoretta
1 + b2 b1 )
-
)b ,
a2 + b 2 b 2

/
bi
=/
a1 b 1 •
1
= a1 b2o+ bor
a2 b 1 = • is
-

, a2 b2, be
or

10
 rappel :( t ⑦ tot )
Exemple.
-

-2/+00.12127/-00 .IE?-/--o
'
-

2 3 1
law 0 0 0 =0-00.1 ? (dév/L2 )
12 5 7

/
2 3 1 2 23 31
f
c -

2 3 1 = 0 o 0 0o = 0o =o
(L2 L242<-4-1
L1 ) , )
12 5 7 12 125 75 7
2 3 1 2 3 3 1
12 / ( Lititz )
-
'

48 20 28 = 0 o0 0 = 0 o o
= 0
(L2 L2 4L3 )
12 5 7 12 125 5
7 7

|
3
2 3 1 2 3 3 1 l 2 23 1
12 / =/
-
-
i

(L2 L2 L1 )
14 8 6 = 1212 5 57 7= 12 12
5 57
7 =0 (L3 L3 L2 ) =D
(dév/L3 )
12 5 7 1212 5 57 7 0 0 o
0
o o

Exemple (Matrice triangulaire).

9-
3 12 6
0 1
0 0
5 =3
4
1
0 3.1 4I= /3 · 1 · (
! 5
,
=3 .

4) c- 412
1. = (dév/C1 )

Exemple.

41%3-1
2 10 3 1 10 3
6 26 17 = 2 3 26 17
14 53 60 7 753
53 60 Go
(EX) →
dig .
act

/
1 0 00 0

2/1 / dug del

(C2 C2 10C1 )
=2 3 4 8 →

pas
3 -4 8 (C3 C3 3C1 )
7 17 39
74 8
-1739
=2 (dév/L1 )
/ /
2. 1
17 39-4 8 .

4 0-1739
=2 (C2 C2 + 2C1 )
4%-5-117 5
= 2 · ( 4) · 5 = 40.
C-c. 1.5 Go
2
-
=
= .

Remarque. La propriété (AD) est en fait une conséquence d’une pro-

priété plus générale, dite d’additivité, conjuguée à l’antisymétrie (AS).
Le déterminant est additif en chacune de ses colonnes (ou lignes), par
exemple

①
dct(At B)

D D
a1 b 1 + d 1 c 1 a1 b 1 c 1 a1 d1 c1
a2 b2 + d2 c2 = a2 b2 c2 + a2 d2 c2 . It
a3 b 3 + d 3 c 3 a3 b 3 c 3 a3 d 3 c 3
ddA+utB
-
11
 1.7 Echelonnement
Soit A une matrice carrée 2 ⇥ 2 ou 3 ⇥ 3. Via une série d’opérations
élémentaires du type
• Li $ Lj : “échanger les lignes i et j” ;
• Li Li : “multiplier la ligne i par un scalaire 2 R non nul” ;
• Li Li + Lj : “ajouter à la ligne i un multiple 2 R de la
ligne j”,
on peut mettre A sous une des formes échelonnées en ligne (“triangu-
laire supérieure”) suivantes :
✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆
0 0 0 ⌅ ⌅ ⇤ ⌅ ⇤
2×2 , , ,
0 0 0 0 0 0 0 ⌅
0 1 0 1 0 1 0 1
0 0 0 0 0 ⌅ 0 ⌅ ⇤ ⌅ ⇤ ⇤
@0 0 0 A , @0 0 0 A , @0 0 0 A , @ 0 0 0A ,
0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 1 0 1 0 1
3×3 0 ⌅ ⇤ ⌅ ⇤ ⇤ ⌅ ⇤ ⇤ ⌅ ⇤ ⇤
@0 0 ⌅A , @ 0 0 ⌅A , @ 0 ⌅ ⇤A , @ 0 ⌅ ⇤ A ,
0 0 0 0 0 0 0 0 0 0 0 ⌅
où ⌅ est un coefficient non nul, et ⇤ est un coefficient quelconque.

Yi je
Exemple.
"
" " • "

✓ ◆ ✓ ◆
1 2
⇠
1 2
, ⇐
(L2
← 4-341
L2 3L ) 1
3 0 0 06 6
0 1 0 1 0 1
0 2 1 2 23 31 2 3 1 L2

( 1)
-
C L →
,
@2 3 1A ⇠ @0 o2 2 (L1 $L2 )
1 A ⇠ @0 2 1 A .
(L3 L3 2L1 )←
4 6 2 4 O6 O2 O 0 0 0 ↳ 1524
Question. Trouver toutes les formes échelonnées en ligne possibles pour
les matrices de tailles 3 ⇥ 2.

1%1.1 : :| -1 :| -4%1-1 :|
: :
'

O O O O , o o

f :| Y: :* ) .es/.:E.#
" °

les derrieres sont les Il

deux meine .

soffit d'
effector
la two ↳ ↳ 122
Lz
dans dernier
23 → is ← -
ma
p
-
, .

Remarque. De manière analogue, on peut évidemment échelonner en

colonne (“triangulaire inférieure”).
Question. Pourquoi préfère-t-on échelonner en ligne ?

12
•
Pour les Cari eux Ses
-

(nostalgia us du lo sanest )
Complément sur les matrices échelonnées réduites
Définition 1.2 (Equivalence selon les lignes). Deux matrices sont équi-
valentes selon les lignes si on peut passer de l’une à l’autre par une
suite finie d’opérations élémentaires.
Remarque. Par un théorème vu le semestre précédent, les systèmes
linéaires associés à deux matrices équivalentes selon les lignes ont le
même ensemble de solutions. En revanche, les opérations analogues
sur les colonnes changeraient l’ensemble de solutions.
Définition 1.3. Soit A une matrices de taille m ⇥ n.
1. Le coefficient principal d’une ligne i est le premier coefficient aij
non nul rencontré en partant de la gauche.
2. Une matrice est échelonnée en ligne si
• toutes ses lignes nulles (s’il y en a) sont en bas,
• sur chaque ligne non-nulle, le coefficient principal est situé stric-
tement à droite du coefficient principal de la ligne du dessus.
Exemple. 0 1
1 2 3
@0 4 5A n’est pas échelonnée.
0 6 7
0 1
3 1 2 0 7
@0 0 4 3 1A est échelonnée.
0 0 0 0 0
Quels sont leurs coefficients principaux ?
Définition 1.4. Une matrice est échelonnée-réduite (ER) si elle est
écholonée, et si de plus
• tous les coefficients principaux sont égaux à 1,
• chaque coefficient principal est l’unique coefficient non-nul de sa
colonne.
¥lépTÉsqe be mature est échelonnee ER on .

Exemple.
0 1
1 9 0 4 0 0 17
B C
B0 0 1 2 0 0 9 C
B C est échelonnée-réduite.
B0 0 0 0 1 0 2 C
@ A
0 0 0 0 0 1 0
Théorème 1.5. Toute matrice m ⇥ n peut se transformer en une
matrice échelonnée (ou échelonnée-réduite), à l’aide d’une suite finie
d’opérations élémentaires. Sa forme réduite est unique.

13
 Quelques discussions

1) detls ) "
= si A est invitee
A,

debt la
rife
prove consequence de
: we

du
produit :

1- = let (1--3) = cat ( SA '

) =
detest della -1

2) On Erra la sauaire
proclaim
def (A) = o ⇐ is A non
-
invertible

Delteominauh triangulate iufeieur

'

3) d une matia

1¥ /of / ed
< °

b teeth )
d)
c o =
a
e
-

= a.
Lcf -
e -
o
)
= a. e.
f
est le
product de ses farmer diagonaax .

4) Peut -
en avoir les series
plus tot ?